SIGIRJun, 2023

第一届生成式信息检索研讨会 @SIGIR 2023

PDF
TL;DR本文研究生成信息检索是否只是另一种趋势或者像有些人声称的那样，是检索的范式变革，需要新的度量标准，理论基础，评估方法，任务定义，模型，用户界面等来探讨。
generative information retrievalend-to-end generative modelsmetricstask definitionssummarization
发现论文，激发创造
  • 从匹配到生成：生成式信息检索综述

    信息检索系统 (IR) 是用户访问信息的关键工具，也是搜索引擎、问答系统和推荐系统等场景中被广泛应用的工具。本文综述了生成式信息检索 (GenIR) 的最新研究进展，涉及到生成式文档检索 (GR)、可靠响应生成以及 GenIR 系统的评估、挑战和未来前景。

    Apr, 2024

  • 生成式信息检索综述

    通过综述 Generative Retrieval（GR）的关键发展、索引和检索策略和挑战，讨论了具有挑战性的生成查询质量、可学习文档标识符、可扩展性和多任务学习框架等未来研究方向，旨在为 GR 提供基础理解并激发信息检索领域的进一步创新。

    Jun, 2024

  • 搜索仍然重要：在生成式人工智能时代的信息检索

    利用生成型人工智能和大型语言模型探索信息检索中的动机、考虑因素和结果，主要关注学术界对这些系统的使用，尤其关注作者权威性、及时性和搜索结果的文脉化；虽然大型语言模型可以提供有助于信息检索的功能，但对搜索系统及其改进的持续需求仍然是必要的。

    Nov, 2023

  • 基于排名的生成模型在 [CLS] 任务中的应用

    本研究旨在重新审视信息检索的生成式框架，并比较其与基于语义相似性的判别式模型在答案选择任务上的表现。同时，还展示了非似然损失对信息检索的有效性。

    Oct, 2020

  • 评估生成式即时信息检索

    通过调查信息检索和自然语言处理文献，识别生成式检索中的搜索任务和系统架构，开发相应的用户模型并研究其操作化，该文理论分析为生成式即时检索系统的评估提供了基础和新洞察。

    Nov, 2023

  • 软件元数据的生成型人工智能：FIRE 2023 软件工程信息检索赛道综述

    在软件工程中的信息检索（IRSE）领域，通过基于人类和大型语言模型生成的标签的机器学习框架，开发代码注释自动评估的解决方案。通过对开源 Github 上的 C 语言项目提取的 9048 个代码注释和周围代码片段对进行二分类任务，将注释分类为有用和无用。来自各大学和软件公司的 17 支队伍总共提交了 56 个实验。通过 F1 - 得分定量评估实验结果，并根据开发的特征类型、使用的监督学习模型及其对应的超参数进行定性评估。大型语言模型生成的标签增加了预测模型的偏差，但能得到更少过拟合的结果。

    Oct, 2023

  • 从关键词到结构化摘要：简化学术知识访问流程

    这篇论文强调信息检索引擎在科学界日益重要，针对传统基于关键词的搜索引擎由于文章数量不断增多而效率低下的问题提出了解决方案，通过构建结构化记录和使用先进信息技术工具（包括可视化仪表盘），彻底改变研究人员访问和筛选文章的传统文本密集型方法。通过以 “传染病的再生数估计” 研究主题为核心的概念验证，使用调试过的大型语言模型自动创建结构化记录并填充后端数据库，以取代关键词。结果是一种新一代的信息检索方法，可通过此 https 网址访问。

    Feb, 2024

  • RetGen: 一个检索和基于生成式文本生成的联合框架模型

    通过联合训练基于语言模型信号的基于文档检索器的生成器及检索器来生成更具信息含量和相关性的文本。

    May, 2021

  • 使用迭代检索生成协同技术增强检索增强型大型语言模型

    本研究提出一种名为 Iter-RetGen 的方法，通过检索和生成的迭代协同作用，以全面地处理检索到的知识并在不受结构约束的情况下实现灵活的生成，而这可以在多跳问答、事实验证和常识推理等任务中实现可比甚至优于现有检索辅助基准的效果，同时减少检索和生成的开销，从而提高了性能。

    May, 2023

  • 生成式检索中的学习排序

    提出了一个称为 LTRGR 的新框架，结合了生成式检索和经典的学习 - 排序模型，通过使用段落排名损失训练自回归模型，只需要额外的训练步骤即可增强当前的生成式检索系统，并在三个公共数据集上实现了最先进的性能。

    Jun, 2023